Multimodaalinen syväoppimismalli ennustaa haimasyövän ennustetta
maanantai 5. tammikuuta 2026 päivittänyt: Second Affiliated Hospital, School of Medicine, Zhejiang University
Haimasyövän ennusteen ennustaminen käyttämällä multimodaalista syväoppimismallia, joka perustuu intratumoraaliseen immuunimikroympäristöön
Tämä tutkimus kuvaa syvän oppimisen ennustemallin kehittämistä ja validointia, joka poimii syvän oppimisen piirteitä ennen leikkausta tehostetuista TT-skannauksista ja analysoi haimasyöpäpotilaiden leikkauksen jälkeisiä patologisia näytteitä.
Tavoitteena on ennustaa potilaan ennustetta ja vastetta kemoterapiahoitoon.
Tutkimuksen yleiskatsaus
Tila
Valmis
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Tässä tutkimuksessa kerättiin takautuvasti parannettuja CT-skannaustietoja, patologisia parafiiniblokkeja ja kliinisiä tietoja haimasyöpäpotilaista, joille tehtiin leikkaus useissa keskuksissa maaliskuun 2013 ja toukokuun 2024 välisenä aikana.
Patologiset parafiinilohkot värjättiin käyttämällä immunohistokemiaa prognostisille immuunimikroympäristömarkkereille, ja potilaat luokiteltiin näiden tulosten perusteella.
Myöhemmin parannetuista TT-skannauksista poimittiin syväoppimisominaisuuksia, ja multimodaalinen ennustemalli rakennettiin käyttämällä kuvantamisominaisuuksia ja kliinisiä tietoja.
Mallin suorituskykyä arvioitiin käyttämällä mittareita, mukaan lukien vastaanottimen toimintakäyrän alla oleva pinta-ala (AUC), tarkkuus, herkkyys ja spesifisyys.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
247
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Zhejiang
-
Hangzhou, Zhejiang, Kiina, 310009
- The Second Affiliated Hospital Zhejiang University School of Medicine
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Haimasyöpäpotilaat, joille tehtiin leikkaus ja jotka saivat adjuvanttia kemoterapiaa leikkauksen jälkeen.
Kuvaus
Sisällön kriteerit:
- Potilaat, joilla on patologian perusteella diagnosoitu haimasyöpä,
- Potilaille tehtiin leikkaus ja he saivat adjuvanttia kemoterapiaa leikkauksen jälkeen.
Poissulkemiskriteerit:
- Puuttuva tai riittämätön CT-laatu,
- Epätäydelliset kliinispatologiset tiedot.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Koulutuskohortti
Potilaat, joilla on diagnosoitu haimasyöpä ja joille tehtiin leikkaus ja muut hoidot Zhejiangin yliopiston lääketieteellisen korkeakoulun toisessa liitännäissairaalassa
|
Korkean suorituskyvyn kvantitatiivisten kuvaominaisuuksien poiminta lääketieteellisistä kuvista
Immunohistokemiallinen analyysi
|
|
Testikohortti
Potilaat, joilla on diagnosoitu haimasyöpä ja joille tehtiin leikkaus ja muut hoidot neljännessä liitännäissairaalassa, Zhejiangin yliopiston lääketieteellisessä korkeakoulussa ja Hangzhoun perinteisen kiinalaisen lääketieteen sairaalassa
|
Korkean suorituskyvyn kvantitatiivisten kuvaominaisuuksien poiminta lääketieteellisistä kuvista
Immunohistokemiallinen analyysi
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Syväoppimismallin suorituskyky
Aikaikkuna: Perushoito
|
Mallin suorituskykyä arvioitiin käyttämällä mittareita, mukaan lukien vastaanottimen toimintakäyrän alla oleva pinta-ala (AUC), tarkkuus, herkkyys ja spesifisyys.
|
Perushoito
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Yhteistyökumppanit
Tutkijat
- Päätutkija: Yulian Wu, PhD., Second Affiliated Hospital of Zhejiang University School of Medicine
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Perjantai 5. heinäkuuta 2024
Ensisijainen valmistuminen (Todellinen)
Sunnuntai 15. joulukuuta 2024
Opintojen valmistuminen (Todellinen)
Lauantai 3. tammikuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Sunnuntai 29. joulukuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Sunnuntai 29. joulukuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Maanantai 6. tammikuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 7. tammikuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Maanantai 5. tammikuuta 2026
Viimeksi vahvistettu
Maanantai 1. heinäkuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- PCPAI
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Yhdysvalloissa valmistettu ja sieltä viety tuote
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .